新药研发中苗头化合物的预测系统、方法、终端及介质与流程

1.本发明涉及知识图谱应用技术领域，具体涉及一种新药研发中苗头化合物的预测系统、方法、终端及介质。


背景技术：

2.新药研发是一件极其消耗资金、时间、人力、物力的工作。即便是最顶尖的医药公司，筛选药物的成功率依然只有3％。因此，一款新药成功进入市场所费资金动辄超过十亿美元，耗时逾10年。新药的研发阶段分为靶标确定、筛选模型建立、寻找苗头化合物、优化先导化合物，确定候选药物、新药的临床前毒理学研究、新药的临床研究等六个重要环节。
3.经过数十年各类药物的研究，各大制药公司常常积累了数十、上百亿条数据，这些数据隐藏着大量化合物与疾病、化合物与靶标基因、化合物与相关副作用的复杂关系。这些数据体量巨大、结构多元、关联复杂，且分散存储于不同的文本文件或数据库中。在这些浩如烟海的数据中数据洞察潜在规律，挖掘化合物-靶标-疾病-副作用间潜在的关联关系，对于减少新药研发周期、降低实验成本有巨大意义。但传统存储与分析技术无法处理如此复杂、大量的异构数据的关联挖掘与查询，因此过往的药物研发重度依赖研究员的领域专业知识及经验积累，费时耗力。


技术实现要素：

4.针对现有技术中的缺陷，本发明提供的一种新药研发中苗头化合物的预测系统、方法、终端及介质，通过使用图技术从海量的试验数据中筛选出具备相似性及相同作用机制的苗头化合物，极大提升新药研发效率及成功率。
5.第一方面，本发明实施例提供的一种新药研发中苗头化合物的预测系统，包括：数据获取模块、图模型构建模块和查询模块，所述数据获取模块用于获取化合物信息、疾病信息、靶标基因信息和副作用信息；
6.所述图模型构建模块以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；
7.所述查询模块用于获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，查询结果包含预测的苗头化合物。
8.第二方面，本发明实施例提供的一种新药研发中苗头化合物的预测方法，包括：获取化合物信息、疾病信息、靶标基因信息和副作用信息；
9.以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；
10.获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，查
询结果包含预测的苗头化合物。
11.第三方面，本发明实施例还提供一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
12.第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
13.本发明的有益效果：
14.本发明实施例提供的一种新药研发中苗头化合物的预测系统、方法、终端及介质，通过图数据库构建化合物、疾病、基因、副作用间的关系图谱，帮助科研人员从海量跨专业领域、跨项目的试验数据中，找到具备相似性及相同作用机制的苗头化合物，极大提升新药研发效率及成功率。
附图说明
15.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
16.图1示出了本发明第一实施例所提供的一种新药研发中苗头化合物的预测系统的结构示意图；
17.图2示出了本发明第一实施例中的化合物-疾病关系图模型；
18.图3示出了本发明第一实施例中通过方法一查找得到的查询结果；
19.图4示出了本发明第一实施例中通过方法二寻找得到的查询结果；
20.图5示出了本发明第一实施例中通过方法三寻找得到的查询结果；
21.图6示出了本发明另一实施例所提供的一种新药研发中苗头化合物的预测方法的流程示意图；
22.图7示出了本发明另一实施例所提供的一种智能终端的结构示意图。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
25.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
26.还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
27.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0028]
需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
[0029]
如图1所示，示出了本发明第一实施例所提供的一种新药研发中苗头化合物的预测系统，包括：数据获取模块、图模型构建模块和查询模块，数据获取模块用于获取化合物信息、疾病信息、靶标基因信息和副作用信息；图模型构建模块以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；查询模块用于获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，查询结果包含预测的苗头化合物。
[0030]
其中，化合物信息、疾病信息、靶标基因信息、副作用信息可以从预设的数据库中下载。在本实施例中，样本数据集规模：样本数据集包含137个疾病、1552种化合物、5734种副作用、20945个靶标基因以及各点间相似、治疗、造成等17万条边的关系。
[0031]
如图2所示，以疾病、靶标基因、化合物、副作用作为点数据，他们之间的相互关系为边数据构建化合物-疾病关系图谱。类似的疾病往往能被相近的化合物治疗，而类似的化合物往往具有类似的性状，能够引起相似的副作用。通过大量整合历史实验数据入图，并进行图遍历，可以从无数潜在化合物中快速定位与苗头化合物相似度最高的化合物，提供给研究员展开工作，加快新药的研发进度。
[0032]
如表1所示，点数据的点类型包括化合物、疾病、靶标基因和副作用，所述化合物的属性包括化合物id、化合物名称、数据来源、国际化合物标识、url、两化合物相似性和相似性数据来源；所述疾病的属性包括疾病id、疾病名称、数据来源和url；所述靶标基因的属性包括靶标基因id、靶标基因名字、数据来源、url、基因描述和染色体；所述副作用的属性包括副作用id、副作用名字、数据来源和url。url表示网络地址。
[0033]
表1化合物-疾病关系图模型中的点类型
[0034]
点类型属性化合物化合物id、化合物名称、数据来源、国际化合物标识、url疾病疾病id、疾病名称、数据来源、url靶标基因靶标基因id、靶标基因名字、数据来源、url、基因描述、染色体副作用副作用id、副作用名字、数据来源、url
[0035]
如表2所示，边数据的边类型包括类型化合物、结合、治疗、造成、联系和类似疾病化合物信息，所述类似化合物的起始点类型为化合物，所述类似化合物的终止点类型为化合物，所述类似化合物的属性包括相似性和数据来源；所述结合的起始点类型为化合物，所述结合的终止点类型为靶标基因，所述结合的属性为数据来源；治疗的起始点类型为化合物，所述治疗的终止点类型为疾病，所述治疗的属性为数据来源；造成的起始点类型为化合
物，所述造成的终止点类型为副作用，所述造成的属性为数据来源；联系的起始点类型为疾病，所述联系的终止点类型为靶标基因，所述联系的属性为数据来源；类似疾病的起始点类型为疾病，所述类似疾病的终止点类型为类似疾病，所述类似疾病的属性为数据来源。
[0036]
表2化合物-疾病关系图模型中的边类型
[0037][0038][0039]
下面用苗头化合物筛选作为业务诉求进行详细说明，有以下3中方法进行查找筛选。
[0040]
方法一：通过类似疾病治疗效果查找。
[0041]
例如：查询请求为：寻找疾病cervical cancer(宫颈癌)的类似疾病和对类似疾病具有治疗作用化合物。
[0042]
查询模块在图数据库中进行查找，找到疾病cervical cancer(宫颈癌)的类似疾病；找到能够治疗类似疾病的化合物；图数据库按这些化合物能够治疗的类似疾病的数量进行排序。
[0043]
查询结果如图3所示，图数据库通过疾病的相似性找到可能治疗疾病cervical cancer(宫颈癌)的化合物，对同时能治疗两种及以上相似疾病的化合物carboplatin、doxorubicin、epirubicin可作为高优先级的预测苗头化合物进行实验验证，查询模块将查找到的carboplatin、doxorubicin、epirubicin作为查询结果输出。
[0044]
图数据库将化合物按照治疗相似疾病的数量进行倒序排列，并以表格的形式展示结果，如表2所示。
[0045]
表2化合物治疗相似疾病的数量倒序排列表
[0046]
化合物数量carboplatin2doxorubicin2epirubicin2altretamine1docetaxel1melphalan1topotecan1chlorambucil1paclitaxel1vinorelbine1medroxyprogesterone acetate1dactinomycin1
etoposide1progesterone1
[0047]
方法二：通过相似化合物寻找。
[0048]
例如：查询请求为：找到能够治疗疾病sarcoma(肉瘤)的化合物的相似化合物。
[0049]
查询模块在图数据库中进行查找，找到能够治疗疾病sarcoma(肉瘤)的化合物；寻找上述化合物的相似化合物，扩大苗头化合物的搜寻范围。
[0050]
查询结果如图4所示，通过化合物的相似性找到可能治疗疾病sarcoma(肉瘤)的化合物，对化合物的相似度进行排序后进行实验验证。
[0051]
方法三：通过化合物特性相似性寻找。
[0052]
例如：查询请求为：寻找能够治疗疾病primary biliary cirrhosis(原发性胆汁性肝硬化)的化合物，并与该化合物具有相同副作用与结合靶标基因的化合物。
[0053]
查询模块在图数据库中进行查找，找到能够治疗疾病primary biliary cirrhosis(原发性胆汁性肝硬化)的化合物colchicine，找到化合物colchicine的靶机基因和副作用，找到与化合物colchicine具有相同的靶机基因和副作用的化合物pazopanib，将化合物pazopanib作为预测的苗头化合物。
[0054]
查询结果如图5所示，治疗疾病primary biliary cirrhosis(原发性胆汁性肝硬化)的化合物colchicine与pazopanib具有多个相同的靶标基因且副作用相同，pazopanib可以作为潜在苗头化合物进行实验验证。
[0055]
上述三种查询方法可以根据实际需要单独使用或被结合起来使用，例如，从方法一和方法二中寻找到的大量潜在化合物，进一步用方法三来删选。
[0056]
本发明实施例提供的一种新药研发中苗头化合物的预测系统，通过图数据库构建化合物、疾病、基因、副作用间的关系图谱，帮助科研人员从海量跨专业领域、跨项目的试验数据中，找到具备相似性及相同作用机制的苗头化合物，极大提升新药研发效率及成功率。
[0057]
在上述的第一实施例中，提供了一种新药研发中苗头化合物的预测系统，与之相对应的，本技术还提供一种新药研发中苗头化合物的预测方法。请参考图6，其为本发明第二实施例提供的一种新药研发中苗头化合物的预测方法的流程示意图。由于方法实施例基本相似于装置实施例，所以描述得比较简单，相关之处参见装置实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
[0058]
如图6所示，示出了本发明另一实施例提供的一种新药研发中苗头化合物的预测方法的流程示意图，方法包括：
[0059]
s1：获取化合物信息、疾病信息、靶标基因信息和副作用信息；
[0060]
s2：以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；
[0061]
s3：获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，查询结果包含预测的苗头化合物。
[0062]
其中，化合物信息、疾病信息、靶标基因信息、副作用信息可以从预设的数据库中下载。在本实施例中，样本数据集规模：样本数据集包含137个疾病、1552种化合物、5734种副作用、20945个靶标基因以及各点间相似、治疗、造成等17万条边的关系。
[0063]
以疾病、靶标基因、化合物、副作用作为点数据，他们之间的相互关系为边数据构建化合物-疾病关系图谱。类似的疾病往往能被相近的化合物治疗，而类似的化合物往往具有类似的性状，能够引起相似的副作用。通过大量整合历史实验数据入图，并进行图遍历，可以从无数潜在化合物中快速定位与苗头化合物相似度最高的化合物，提供给研究员展开工作，加快新药的研发进度。
[0064]
点数据的点类型包括化合物、疾病、靶标基因和副作用，所述化合物的属性包括化合物id、化合物名称、数据来源、国际化合物标识、url、两化合物相似性和相似性数据来源；所述疾病的属性包括疾病id、疾病名称、数据来源和url；所述靶标基因的属性包括靶标基因id、靶标基因名字、数据来源、url、基因描述和染色体；所述副作用的属性包括副作用id、副作用名字、数据来源和url。
[0065]
边数据的边类型包括类型化合物、结合、治疗、造成、联系和类似疾病化合物信息，所述类似化合物的起始点类型为化合物，所述类似化合物的终止点类型为化合物，所述类似化合物的属性包括相似性和数据来源；所述结合的起始点类型为化合物，所述结合的终止点类型为靶标基因，所述结合的属性为数据来源；治疗的起始点类型为化合物，所述治疗的终止点类型为疾病，所述治疗的属性为数据来源；造成的起始点类型为化合物，所述造成的终止点类型为副作用，所述造成的属性为数据来源；联系的起始点类型为疾病，所述联系的终止点类型为靶标基因，所述联系的属性为数据来源；类似疾病的起始点类型为疾病，所述类似疾病的终止点类型为类似疾病，所述类似疾病的属性为数据来源。
[0066]
查询请求包括寻找设定疾病的类似疾病和对类似疾病具有治疗作用的化合物，所述根据查询请求在图数据库中进行查询的具体方法包括：
[0067]
根据查询请求找到设定疾病的类似疾病和对该类似疾病具有治疗效果的化合物，按照化合物能够治疗类似疾病的数量进行排序，对同时能治疗两种及以上相似疾病的化合物作为查询结果。
[0068]
本发明实施例提供的一种新药研发中苗头化合物的方法，通过图数据库构建化合物、疾病、基因、副作用间的关系图谱，帮助科研人员从海量跨专业领域、跨项目的试验数据中，找到具备相似性及相同作用机制的苗头化合物，极大提升新药研发效率及成功率。
[0069]
如图7所示，示出了本发明另一实施例提供的一种智能终端的结构示意图，该终端包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
[0070]
应当理解，在本发明实施例中，所称处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0071]
输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备可以包括显示器(lcd等)、扬声器等。
[0072]
该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。
存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
[0073]
具体实现中，本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式，也可执行本发明实施例所描述的系统实施例的实现方式，在此不再赘述。
[0074]
在本发明还提供一种计算机可读存储介质的实施例，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
[0075]
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元，例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
[0076]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0077]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0078]
在本技术所提供的几个实施例中，应该理解到，所揭露终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
[0079]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.一种新药研发中苗头化合物的预测系统，其特征在于，包括：数据获取模块、图模型构建模块和查询模块，所述数据获取模块用于获取化合物信息、疾病信息、靶标基因信息和副作用信息；所述图模型构建模块以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；所述查询模块用于获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，所述查询结果包含预测的苗头化合物。2.如权利要求1所述的预测系统，其特征在于，所述点数据的点类型包括化合物、疾病、靶标基因和副作用，所述化合物的属性包括化合物id、化合物名称、数据来源、国际化合物标识、url、两化合物相似性和相似性数据来源；所述疾病的属性包括疾病id、疾病名称、数据来源和url；所述靶标基因的属性包括靶标基因id、靶标基因名字、数据来源、url、基因描述和染色体；所述副作用的属性包括副作用id、副作用名字、数据来源和url。3.如权利要求2所述的预测系统，其特征在于，所述边数据的边类型包括类型化合物、结合、治疗、造成、联系和类似疾病化合物信息，所述类似化合物的起始点类型为化合物，所述类似化合物的终止点类型为化合物，所述类似化合物的属性包括相似性和数据来源；所述结合的起始点类型为化合物，所述结合的终止点类型为靶标基因，所述结合的属性为数据来源；所述治疗的起始点类型为化合物，所述治疗的终止点类型为疾病，所述治疗的属性为数据来源；所述造成的起始点类型为化合物，所述造成的终止点类型为副作用，所述造成的属性为数据来源；所述联系的起始点类型为疾病，所述联系的终止点类型为靶标基因，所述联系的属性为数据来源；所述类似疾病的起始点类型为疾病，所述类似疾病的终止点类型为类似疾病，所述类似疾病的属性为数据来源。4.如权利要求1所述的预测系统，其特征在于，所述查询模块包括治疗效果查询单元，所述查询请求包括寻找设定疾病的类似疾病和对类似疾病具有治疗作用的化合物，所述治疗效果查询单元用于根据查询请求找到设定疾病的类似疾病和对该类似疾病具有治疗效果的化合物，按照化合物能够治疗类似疾病的数量进行排序，对同时能治疗两种及以上相似疾病的化合物作为查询结果。5.一种新药研发中苗头化合物的预测方法，其特征在于，包括：获取化合物信息、疾病信息、靶标基因信息和副作用信息；以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；
获取查询请求，根据查询请求在图数据库中进行查询，并显示对应的查询结果，所述查询结果包含预测的苗头化合物。6.如权利要求5所述的预测方法，其特征在于，所述点数据的点类型包括化合物、疾病、靶标基因和副作用，所述化合物的属性包括化合物id、化合物名称、数据来源、国际化合物标识、url、两化合物相似性和相似性数据来源；所述疾病的属性包括疾病id、疾病名称、数据来源和url；所述靶标基因的属性包括靶标基因id、靶标基因名字、数据来源、url、基因描述和染色体；所述副作用的属性包括副作用id、副作用名字、数据来源和url。7.如权利要求6所述的预测方法，其特征在于，边数据的边类型包括类型化合物、结合、治疗、造成、联系和类似疾病化合物信息，所述类似化合物的起始点类型为化合物，所述类似化合物的终止点类型为化合物，所述类似化合物的属性包括相似性和数据来源；所述结合的起始点类型为化合物，所述结合的终止点类型为靶标基因，所述结合的属性为数据来源；所述治疗的起始点类型为化合物，所述治疗的终止点类型为疾病，所述治疗的属性为数据来源；所述造成的起始点类型为化合物，所述造成的终止点类型为副作用，所述造成的属性为数据来源；所述联系的起始点类型为疾病，所述联系的终止点类型为靶标基因，所述联系的属性为数据来源；所述类似疾病的起始点类型为疾病，所述类似疾病的终止点类型为类似疾病，所述类似疾病的属性为数据来源。8.如权利要求5所述的预测，其特征在于，查询请求包括寻找设定疾病的类似疾病和对类似疾病具有治疗作用的化合物，所述根据查询请求在图数据库中进行查询的具体方法包括：根据查询请求找到设定疾病的类似疾病和对该类似疾病具有治疗效果的化合物，按照化合物能够治疗类似疾病的数量进行排序，对同时能治疗两种及以上相似疾病的化合物作为查询结果。9.一种智能终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求5-8任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求5-8任一项所述的方法。

技术总结
本发明公开了一种新药研发中苗头化合物的预测系统，包括：数据获取模块用于获取化合物信息、疾病信息、靶标基因信息和副作用信息；图模型构建模块以化合物信息、疾病信息、靶标基因信息、副作用信息为点数据，以化合物信息、疾病信息、靶标基因信息、副作用信息之间的相互关系形成边数据，用点数据和边数据构建化合物-疾病关系图模型，并将化合物-疾病关系图模型存储在图数据库中；查询模块用于获取查询请求，根据查询请求在图数据库中进行查询，并显示查询结果，查询结果包含预测的苗头化合物。该系统可帮助科研人员从海量跨专业领域、跨项目的试验数据中，找到具备相似性及相同作用机制的苗头化合物，极大提升新药研发效率及成功率。率。率。


技术研发人员：吴菁 周研 张晨
受保护的技术使用者：浙江创邻科技有限公司
技术研发日：2023.03.22
技术公布日：2023/8/14